AI对话中反复自我介绍的问题困扰着每个深度用户，Sully.ai工程师Muratcan Koylan用Personal Brain OS给出了颠覆性解决方案。这套个人大脑操作系统通过11个模块化设计实现渐进式信息披露，将写作风格量化为具体数字，更创新性地存储用户的判断逻辑而非简单事实，揭示了'上下文工程'才是提升AI交互质量的核心。
最近在 X 上看到一篇文章，作者叫 Muratcan Koylan，是 Sully.ai 的上下文工程师。文章不长，但读完之后我坐在那里想了挺久。
他说他受够了每次和 AI 对话都要重新介绍自己——我是谁，在做什么，我的写作风格是什么，我的目标是什么。昨天说过，前天也说过，今天还要再说一遍。40 分钟后，模型开始遗忘你的语气，输出变得像公关稿。
我看到这段的时候，第一反应是：这不就是我每天在经历的事吗。
所以他造了一个东西，叫 Personal Brain OS，个人大脑操作系统。说白了就是一个文件夹，里面放着关于他自己的一切：写作风格、品牌定位、目标计划、人脉联系人、研究资料、踩过的坑。打开任何一个 AI 工具，指向这个文件夹，AI 立刻知道他是谁。不需要数据库，不需要任何技术配置，就是 80 多个普通文件。
他说的那个问题，其实很多人没意识到Muratcan 在文章里提了一个概念，我觉得是全篇最值得记住的东西：AI 的瓶颈不是提示词，是上下文。
很多人用 AI 卡壳了，第一反应是换个说法，换种角度，觉得提示词没写好。但他的观点是，真正的问题出在信息架构上——你给了 AI 什么，什么时候给，以什么顺序给，这些才是决定输出质量的关键。
他用了一个比喻我觉得很准：语言模型的注意力不是均匀分布的，开头记得住，结尾记得住，中间容易丢。就像你开会前被人做了 15 分钟简报，能记住的永远是第一句和最后一句。所以信息放在哪个位置，直接影响 AI 会不会真的用上它。
明白了这一点，他的整套设计思路就说得通了。
把信息拆开，按需加载他把系统拆成了 11 个独立模块，让 AI 每次只看当前任务需要的那部分。写文章就只给风格指南，准备会议就只给联系人信息，两件事的资料绝对不混在一起。
加载的方式也是分三层的。第一层是个导航文件，告诉 AI 这个任务该去哪找信息。第二层是模块规则，只在用到这个模块时才加载。第三层才是真实数据，最后才出现。
他把这个叫做”渐进式披露”——需要什么，再给什么，不需要的永远不出现。
我读到这里觉得有点被戳到，因为我之前的做法完全相反，恨不得每次都把所有背景信息一次性全塞进去，生怕 AI 漏掉什么。但他的逻辑是，你塞得越多，AI 越难集中注意力，效果反而更差。
存判断，不只存事实这是文章里我觉得最有意思的一个细节。
他的系统里有一个专门的模块，存的不是普通的信息，而是他的判断——关键时刻的感受、重大决策的推理过程、以及失败之后的复盘。
他说，事实告诉 AI 发生了什么，判断告诉 AI 什么重要、他会怎么重新选择、他碰到两难时会怎么想。有了这些，AI 遇到类似的情境就不会给他说废话，而是参照他自己过去真实的思考逻辑。
他举了个例子：他曾经记录过一次在接受投资和加入某家公司之间的选择，把当时的权衡过程和最终逻辑都写了下来。如果以后再遇到类似的决定，AI 不会跟他说”要评估长期价值”这种任何人都能说的话，而是直接调出他自己的框架来参考。
我觉得这个思路比很多”第二大脑”工具都要实在，因为它存的不只是知识，而是你这个人怎么思考。
把风格变成数据另一个让我印象深刻的点是他怎么处理写作风格的问题。
大多数人描述风格会用形容词：专业但亲切，有深度但好读。这对人来说能理解，对 AI 来说基本没用，因为它判断不了”专业”在你这里具体是什么程度。
他的做法是直接量化，用 1 到 10 给风格的几个维度打分，正式程度、技术程度、表达欲，每个维度都有一个具体的数字。除此之外还有一份禁忌清单，50 多个他绝对不用的词和句式。
他说了一句话我觉得很对：定义你不是什么，往往比定义你是什么更有效。AI 对每份草稿逐条检查禁忌，触发一条就重写，最后写出来的东西自然就像他了。
他踩过的坑也很值得看文章后半段他列了几个自己犯过的错误，我觉得比那些设计原则更实用。
字段设太多：一开始每条记录设了十五个以上的字段，大多数都空着，AI 会不停纠结那些空白。后来削减到八到十个，行为立刻正常了。
规则写太长：第一版风格指南写了一千两百行，AI 开头还好，后来就开始漂移，因为最关键的规则落进了它最容易忘掉的中间地带。后来把重要的全移到最前面，解决了。
模块边界划错：最开始把个人介绍和品牌定位放在一个模块，每次 AI 只需要查写作禁忌，却把整份个人简介也一起加载进来，白白浪费注意力。
这几个教训放在一起，其实就是一句话：越简洁，越有效，该在哪里的信息就只放在哪里。
最后Muratcan 在文章结尾说，这不是提示词工程，是上下文工程。提示词工程问的是怎么把问题说得更好，上下文工程问的是 AI 需要什么信息才能做出正确判断，以及怎么组织这些信息让它真正用上。
一个是在优化一次对话，一个是在建一套系统。他用了一个比喻：区别就像写一封好邮件和建一套好档案——前者帮你一次，后者每次都帮你。
我读完这篇文章最大的感受是，很多人用 AI 用得费劲，不是因为 AI 不够好，而是因为我们从来没认真想过该怎么给它信息。这件事值得花时间去设计。
本文由 @余量思考 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自Unsplash，基于CC0协议
信钰证券配资提示：文章来自网络，不代表本站观点。
